Netrank：基于网络的生物标志物发现方法

BMC Bioinformatics发表的一个新工具，可以从网络中发现biomarker。NetRank是受Google的PageRank算法启发而提出的用于生物标记物排序的模型。方法比较容易理解：

r：节点(基因)的排序得分 n：迭代次数 j：当前节点的索引 d：阻尼因子(范围在0到1之间)；定义连通性和相关性的重要性(权重)；默认0.5值 s：基因的皮尔森相关系数 degree：连接节点的输出连通性之和 N：所有节点(基因)的数目 m：连接节点的连通性

公式分为两部分：相关性+连通性。即将物种间相关性和物种在网络中的连通性相结合，得到潜在的生物标志物。

作者实现并评估了NetRank用于两种类型的网络：生物预测网络(蛋白质相互作用)和计算网络(基因的共表达)。 对于第一种，使用数据库STRINGdb，通过R包STRING涵盖了预测和已知的蛋白质之间的生物相互作用。 对于后者，通过R包WGCNA实现了使用加权基因相关性网络分析构建共表达网络的工作流程。

该工具开发了一个R包netrankR，下载及使用参见：

https://github.com/Alfatlawi/Omics-NetRank

原理也是分为两步：先用WGCNA构建网络，然后通过公式得到潜在的biomarker物种或者基因。